使用掩码修复模型的半监督膝关节 MRI 分割中的骨髓病变检测
图像与视频处理
2024-10-01 v1 人工智能
计算机视觉与模式识别
摘要
骨髓病变是膝骨关节炎的关键指标。由于它们在膝关节磁共振图像中通常表现为边缘难以区分的微小且不规则结构,因此在 MRI 中有效检测骨髓病变对于骨关节炎的诊断和治疗至关重要。本文提出了一种使用掩码修复模型的半监督局部异常检测方法,用于在高分辨率膝关节 MRI 中识别骨髓病变,有效整合了 3D 股骨分割模型、大型掩码修复模型以及一系列后处理技术。该方法使用来自公共骨关节炎倡议数据库子集的不同分辨率 MRI 进行了评估。Dice 分数、交并比以及像素级灵敏度、特异度和准确率表明,该方法优于多分辨率知识蒸馏方法——一种最先进的全局异常检测方法。特别是,在更高分辨率的图像上分割性能得到增强,在 448x448 分辨率级别上,Dice 分数和 IoU 分数的性能提升了一倍以上。我们还证明,随着骨髓病变区域尺寸的增加,由于可区分边界的比例减少,Dice 分数和 IoU 分数均有所提高。所识别出的骨髓病变掩码可作为分割和分类等下游任务的标记。所提出的方法在改善骨髓病变检测方面展现了潜力,为基于影像的骨关节炎研究的进一步发展奠定了基础。
关键词
引用
@article{arxiv.2409.19185,
title = {Semi-Supervised Bone Marrow Lesion Detection from Knee MRI Segmentation Using Mask Inpainting Models},
author = {Shihua Qin and Ming Zhang and Juan Shan and Taehoon Shin and Jonghye Woo and Fangxu Xing},
journal= {arXiv preprint arXiv:2409.19185},
year = {2024}
}
备注
5 pages, 3 figures, submitted to SPIE Conference on Image Processing